房地产价格促进地方财政增收的实证研究

基于国家统计局2000~2019年的年度数据，从地方政府财政收入、商品房平均销售价格、房地产开发企业土地购置费用和CPI等几个层面来探讨商品房房价波动对于地方政府财政收入的影响。通过建立向量自回归模型，我们发现，房价对地方财政收入有显著影响，一定范围内房地产价格的上涨能够有效带动地方财政收入增长。据此，有针对性地提出相应政策建议，以缓解地方财政困难，实现房地产市场可持续发展。     

基于SVR的股市预测与择时研究

本文首先阐述支持向量回归机原理,在此基础上建立了SVR预测模型,以HS300指数数据为测试样本,分析了SVR模型在时间序列预测问题中的优势,并在此基础上进行了交易实验.结果表明：支持向量回归机适用于预测股市大盘的短期走势,并能够得到比较好的预测效果.     

优化SVM在锅炉负荷预测中的应用

提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪;利用核主成分分析方法提取数据特征;采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测,实验结果表明,该优化算法预测精度较高,收敛速度较快,泛化性能优于其他预测方法,且工程实现容易。     

对我国二手住宅价格统计的思考与探索

随着我国二手住宅市场的逐渐成熟,二手住宅销售价格指数作为房价指数的重要组成部分,也牵引着各界目光。本文简要介绍当前我国二手住宅价格统计现状,分析现行制度存在问题及操作实践中的难点,并提出几点思考与建议。     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。     

组合核RVM在CPI预测中的应用研究

针对传统预测模型训练时间长、误差大的缺陷,提出高可靠的组合核相关向量机模型用于CPI预测。构建组合核相关向量机预测模型,根据我国1987年1月至2015年2月的CPI 月度数据,得到CPI的回归预测曲线,再与支持向量机和单核相关向量机进行对比。仿真模拟表明：组合核相关向量机预测模型预测CPI的平均误差可控制在1％以内,运行时间为1．35 s,预测结果良好。     

对房价——收入衡量指标的修正

针对房价收入比指标衡量区域房地产价格与居民收入水平关系中的不足,提出人均住宅有效购买力系数的概念,阐述该指标的优点,并用该指标对1987年以来中国人均住宅有效购买力的变化和截止2004年底37个大中城市人均有效购买力的横向对比做了实证分析,进而探讨了建构中国房地产市场统计指标体系的新思路。     

基于混合模型的国际原油价格预测研究

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。     

投资视角的住宅租价比分析

＂租价比＂是房地产投资收益的判断指标,也是衡量房地产市场健康程度的重要参考。先对＂租售比＂和＂租价比＂的概念进行阐释,并和股票投资中＂市盈率＂概念进行对比分析,通过国土资源部发布的数据和武汉市房地产市场的调查数据对住宅租价比进行了分析。研究表明：在当前市场条件下,单纯用城市住宅租价比判断房价高低的做法存在缺陷,提出通过鼓励住宅出租、建立同质住宅价格统计体系、对住宅出租行为进行规范管理来改善目前住宅租价比的准确性。     

货币政策、经济波动与房地产价格的动态关系研究

利用我国相关月度数据构建半参数全局向量自回归模型,实证分析货币政策、经济波动与房地产价格之间的动态关系。研究发现:(1)货币供应量的增长和信贷规模的扩大对房地产价格和经济波动产生正向影响,且对高房价区域的房地产价格影响最大。(2)房地产价格的上涨对社会消费和社会固定资产投资产生正向影响,且对低房价区域的影响最大。(3)利率对房地产价格的影响呈显著的非线性关系。整体上,当银行间同业拆借利率处于较低区间时,提高利率并不能抑制房地产价格上涨;当银行间同业拆借利率处于较高区间时,提高利率能够显著抑制房地产价格上涨。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.     

福州房价与地价关系的实证研究

厘清福州房价与地价关系是地方政府精准调控房地产市场的基础。利用福州市1999至2010年的房屋销售价格指数和土地交易价格指数的季度数据,运用Granger因果检验法对福州市房价与地价关系进行了实证分析。结果显示:在短期内,福州市房价与地价相互影响;长期看,房价显著影响地价,而不是相反。由此给出的政策建议是:进一步加强福州市房地产市场监管和信息发布制度;继续调整福州市土地交易方式;土地出让收入纳入预算内进行管理和使用。     

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足,提出一种基于多分类器组合的个人信用评估模型.该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果,利用加权投票方法对其进行组合并输出最后预测结果.在某商业银行信用卡数据集上的测试结果表明,组合模型能有效地提高预测精度及稳健性,对信贷机构控制消费信贷风险具有很好的适用性.     

广西房地产投资、房价与经济增长关系的实证分析

利用广西1995-2010年的年度数据,构建基于房地产投资、房地产销售价格与地区生产总值GDP的模型,运用ADF单位根检验,Engle-Granger协整检验、误差修正模型、Granger因果检验等方法,检验房地产投资和房价对GDP的影响。实证研究表明,广西房地产投资规模、房价波幅与经济增长速率之间存在长期的均衡关系和短期的动态协整关系,且房地产投资与经济增长之间具有双向因果关系。因此,为了保障广西经济的持续稳定健康发展,有必要加强房地产市场的管理力度。     

基于供求关系的房价波动分析

基于1999—2017年中国35个大中城市的面板数据,构建基于供求关系的面板回归模型,从国家和区域两个层面对造成房价波动的原因进行探究。结果表明:价格预期在全国和区域模型中均对房价有显著的正向影响,且在大多数地区,其影响力大于其他因素;人口对房价有正向影响,但只在北部沿海、东部沿海和南部沿海显著;收入对南部沿海、黄河中游和西南地区的房价均有显著的正向影响,而在北部沿海、东部沿海、长江中游、西北地区和东北地区,该因素对房价的影响并不显著;除全国和西南、西北地区外,房屋造价作为成本因素对绝大多数地区的房价有正向影响;信贷的可获得性作为政策因素对房价有正向影响,除南部沿海和黄河中游外,在其他区域均显著;住宅开发投资与住宅价格呈负相关关系,但其只在少数经济发达地区显著。因此,未来对房地产市场的调控应根据区域房价波动影响因素的不同区别对待,因地制宜。     

旅游业发展会提高房价吗？——基于海南的实证分析

本文基于“国际旅游岛”背景下海南省房价不断上涨这一背景,利用海南省各市县2012—2016年的数据,通过构建回归模型研究旅游业发展和预期对海南省房价的影响机制和效应。研究表明：（1）海南省旅游业发展和对旅游业的预期会对平均房价水平产生不同的影响,旅游业发展对房地产市场平均房价水平具有推高效应,而对旅游业的预期会降低平均房价;（2）旅游业发展和预期对房价增长率无显著影响;（3）旅游业发展对当地居民收入的增加效应高于对房价的推高作用,导致房价—收入比的降低,因此海南省旅游业发展对房地产的影响是健康稳定的,其虽然提高了房价,但不会助长房地产泡沫的产生;（4）就不同类型的商品房的房价而言,旅游业的发展显著提高了商业营业用房的价格,降低了商品住宅房的价格,且对商业营业用房价格的影响程度高于商品住宅房,而旅游业发展预期对商业营业用房价格无显著影响,其主要通过降低商品住宅房的价格而对整个房地产市场的平均房价产生抑制效应。     

完善住宅特征价格数据的探讨——基于特征价格法

特征价格法是国际上普遍使用的分析异质品价格的主要方法,构建住宅特征价格指数和利用特征价格模型进行房产实证分析是我国未来房地产研究领域的必然趋势.本文以住宅特征价格法为依托,根据实地数据调研的经验,从数据需求、住宅特征变量选择和住宅特征数据收集的角度探讨如何获得并完善住宅价格数据的过程,并提出构建住宅价格数据库的设想.     

财务困境的预测研究

财务困境预测通用的四种方法为判别分析、逻辑回归、神经网络和支持向量机。实证研究显示,支持向量机和神经网络模型预测的误判率较低,逻辑回归和判别分析模型预测的误判率稍高。     

基于随机森林的循环水养殖氨氮预测模型研究

分析和建立深井海水工厂化循环水氨氮含量与养殖对象的数量、均重、饲料投喂量之间的非线性关系。利用离差归一化方法对样本数据进行预处理,并利用Bootstrap方法随机有放回采样生成多个训练集;提出一种基于随机森林回归算法的集成式机器学习方法构建预测模型,对养殖水体中的氨氮含量进行预测,并与支持向量机回归和最小二乘线性回归模型进行对比分析。通过5折交叉验证和8折交叉验证实验表明,以均方根误差和平均绝对误差作为评价指标,以绝对均值误差作为评价函数,所提方法的绝对均值误差为0.135 5,与最小二乘线性回归、支持向量机回归方法进行比较,其误差分别减少62.66%和39.85%。所提方法在进行小样本预测应用中具有较高的预测精度及泛化能力,可为海水工厂化循环水养殖水体中氨氮含量精准预测提供理论依据和参数支持。